复杂多径环境下的无人机集群通信波形识别

TN911; 无人机(unmanned aerial vehicle,UAV)集群通信电磁环境复杂,存在用户干扰、多径衰落与频移等现象,传统加性高斯白噪声信道下的波形识别算法在此场景下性能大幅降低.针对此问题,提出了一种复杂多径环境下的UAV集群通信波形识别算法.首先,建立Alpha脉冲干扰下的UAV集群通信多径衰落信道模型;然后,针对集群用户间存在Alpha脉冲干扰的问题,提取信号广义循环均值和广义循环谱特征,建立复杂多径环境下的UAV集群通信波形特征矩阵;最后,建立稀疏自编码器深度神经网络UAV集群通信波形识别模型.仿真结果表明:提出的算法在Alpha脉冲干扰、多径衰落与频移存在的复杂环境...

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 45; no. 10; pp. 3312 - 3320
Main Authors 翟茹萍, 张书衡, 平嘉蓉
Format Journal Article
LanguageChinese
Published 南京航空航天大学电子信息工程学院,江苏南京210016 01.10.2023
Subjects
unmanned aerial vehicle(UAV)swarm
调制识别
无人机集群
modulation recognition
sparse autoencoder
Alpha脉冲干扰
Alpha pulse interference
稀疏自编码
Online AccessGet full text
ISSN1001-506X
DOI10.12305/j.issn.1001-506X.2023.10.36

Cover

More Information
Summary:TN911; 无人机(unmanned aerial vehicle,UAV)集群通信电磁环境复杂,存在用户干扰、多径衰落与频移等现象,传统加性高斯白噪声信道下的波形识别算法在此场景下性能大幅降低.针对此问题,提出了一种复杂多径环境下的UAV集群通信波形识别算法.首先,建立Alpha脉冲干扰下的UAV集群通信多径衰落信道模型;然后,针对集群用户间存在Alpha脉冲干扰的问题,提取信号广义循环均值和广义循环谱特征,建立复杂多径环境下的UAV集群通信波形特征矩阵;最后,建立稀疏自编码器深度神经网络UAV集群通信波形识别模型.仿真结果表明:提出的算法在Alpha脉冲干扰、多径衰落与频移存在的复杂环境下具有较强的鲁棒性,实现了 7种UAV集群通信波形的识别,且在信噪比为-10 dB时仍能保证80％以上的识别准确率.
ISSN:1001-506X
DOI:10.12305/j.issn.1001-506X.2023.10.36